CRM con tecnologías Spatial Data Warehouse y Data Mining bajo un entornodistribuido

Mg. Oscar Nigro, Ing. Matías Enrique Miramont, Facundo Javier Velázquez{onigro,mmiramon,fvelaz}@exa.unicen.edu.ar

Informática de Gestión – INTIA Instituto de Tecnología Informática AplicadaFacultad de Ciencias Exactas – Universidad Nacional del Centro de la Provincia de Buenos

AiresResumen

La exposición de un CRM con apoyo de un Contact Center, tiende a reproducir ciertascaracterísticas de productos comerciales que se encuentran disponibles en el mercado. La aplicaciónque se detalla en el presente trabajo, trata de exponer algunos puntos que se consideran novedosos.Puede resumirse: construcción de un paquete integrado, que abarca todos los requisitos necesariosde un CRM, una Base de Datos organizada desde un Spatial Data Warehouse, con datosgeoreferenciales y organizados en forma de ‘snowflake’, un módulo de confección de campañas, yuno de análisis de datos con OLAP y Data Mining. Una estructura consistente en sí misma,integrada y con la posibilidad de análisis de los datos de manera simultánea, sin necesidad deajustar diferentes módulos de productos independientes disponibles en el mercado. Se presenta eltrabajo como una solución integral a los problemas de CRM desde tecnología de Contact Center, ala que se agrega una representación interna de los datos que evita la redundancia de los valores alalmacenar por única vez por columna, una visión horizontal, examinar un cliente en particular, yuna visión vertical, obtener estadísticos y relaciones precisas entre variables o características deproductos y clientes.

Palabras Claves: CRM, Spatial Data Warehouse, Call Center, Contact Center, Visión Vertical,Visión Horizontal, Representación Interna de los Datos, OLAP, Data Mining.

Introducción

Una empresa dispone de infinidad de datos pertenecientes a un cliente: datostransaccionales, datos corporativos y datos departamentales. Por medio de estos datos es posibleidentificar los atributos y características. En ocasiones la organización carece de solucionesprácticas para la toma de decisiones, afectando a la veracidad de los resultados y a la velocidad deprocesamiento de la información. Surge la idea de realizar una integración orientada a la toma dedecisiones a través de la aplicación de las tecnologías de Spatial Data Warehouse y Data Mining enun entorno modularizado y distribuido, con objetivo CRM (Gestión de la relación con el cliente)

Se puede definir puntos de interacción cliente-empresa, tales como: atención al cliente,servicio de reclamos, incidencias, vendedores, entre otros. Éstos generan un flujo de informaciónpara la empresa e incrementa su conocimiento de los clientes, logrando ofertar un mejor servicio.Permite segmentar el universo de clientes reconociendo aquellos que mayor rentabilidad puedanproporcionar a la empresa.

CACIC 2003 - RedUNCI 965

CORE Metadata, citation and similar papers at core.ac.uk

Provided by SEDICI - Repositorio de la UNLP

Concepto de CRM

Se denomina Customer RelationShip Management (CRM) a la estrategia centrada enmejorar la relación con el cliente a través de un conocimiento progresivo del mismo centrándose ensu ciclo de vida [7].

Las empresas desean orientar sus productos hacia cierto segmento de un mercadocualquiera; la tarea principal consistirá en segmentar (identificar y diferenciar) los clientes parafocalizar la acción comercial adecuada. La segmentación debe ser entendida como un elementoclave para evaluar las oportunidades de negocio a través de estadísticas para la extracción deinformación sobre los comportamientos de los clientes. Se obtiene conocimiento y luego puedeclasificarlos en grupos, según dicho comportamiento.

Al comprender la estrategia CRM se puede afirmar que la clave del diseño de un sistemaCRM está en la integración inteligente de los diferentes canales de comunicación, desde el accesomás tradicional mediante Contact Center y los contactos directos de agentes y comerciales, hasta lasvías de comunicación WEB. De esta forma se garantiza la máxima escalabilidad y modularidad delos sistemas, pudiéndose identificar en cada caso los canales más adecuados, para llegar a cadacliente en función de sus perfiles, segmentos y/o sectores de mercado. Las funcionalidades de unasolución CRM deben ser adaptables a las necesidades particulares de cada organización y a losservicios que ésta quiera facilitar a sus clientes.

Etapas Básicas para el Desarrollo (CRM)

Spatial Data Warehouse (SDW) Business Intelligence es un modelo de gestión deinformación que trata de resolver las necesidades analíticas de la organización, requiere un estudioen profundidad del negocio y del entorno que le rodea. La información que se dispone es excesiva(transacciones, uso de canales, comportamiento de compras), encontrándose la empresa con losclásicos problemas de sobreabundancia, accesibilidad, selectividad y consistencia. Para evitar éstosy otros problemas, las soluciones de SDW poseen las capacidades necesarias para transformar losdatos en información válida para apoyar la toma de decisiones en los negocios, permitiendo generaracciones de marketing 1:1 dirigidas hacia los clientes que han sido seleccionados en una etapaanterior según los criterios predefinidos. El objetivo es el de conseguir una fidelización efectiva delos mismos para luego ofrecer los productos o servicios (propuesta de valor) a través de un mediode contacto específico, tal como Call Center, WEB, e-mail, entre otros.

Esquema (CRM)

El esquema general de CRM se compone de tres elementos que conforman su estructura, enlos que se encuentran:

a) CRM Operacional: corresponde a las aplicaciones que apoyan el trabajo diario en las diferentesáreas de aplicación del software (Ventas, Marketing, Servicios, Centros de Contacto). La atenciónal cliente exigirá pues disponer de un conjunto de estructuras de contacto directo front office y otrasde soporte a la primeras back office que resuelvan de forma definitiva las consultas, problemas quepuedan plantearse. Desde ambos se realizan las tareas de recogida de información sobre lasinquietudes, necesidades y perspectivas de negocio (encuestas); las de soporte de ayuda directa alcliente (servicios), las de impulso del marketing (ventas), entre otras. Es conducido en forma

CACIC 2003 - RedUNCI 966

efectiva por los eventos y ofertas generadas por el CRM Analítico y esta orientado a los puntos decontacto de los clientes.

b) CRM Analítico: corresponde a las herramientas utilizadas para análisis y se basa en el conceptode Spatial Data Warehouse, reportes y OLAP. El almacenamiento de toda la información generadapor el CRM Operacional en una base de datos organizada con visión multidimensional yfuncionalidades analíticas que permiten evaluar tendencias, resultados, gestión inteligente decampañas, estadísticas y en general toda información para la toma de decisiones. Alimenta al CRMOperacional con oportunidades halladas, conductas, ofertas en tiempo real y personalización. Es labase para planificar el marketing y las ofertas, a partir de grandes volúmenes de datos.

c) CRM Colaborativo: corresponde a las herramientas que permiten la integración de los aplicativoscon los diferentes canales de comunicación que utiliza la empresa con sus clientes. Los sistemasCRM deben ser muy eficientes en el manejo de comunicaciones utilizando múltiples canales. Seentienden como canales elementos como voz, chat, Internet, e-mail, visita directa.

La herramienta propuesta DMS (Direct Marketing System)

Figura 1 - Esquema Herramienta DMS

Para llevar a cabo cada etapa, se parte del cliente de la empresa, por medio de módulosprovistos por el sistema se realiza la segmentación de los mismos, es decir, se seleccionaránaquellos clientes que cumplan un perfil determinado. Una vez culminado este proceso se obtiene ellistado útil para dicha campaña.

Spatial DataWarehouse

ListadosConfección deCampañas

Clientes

Captura de laInformación

Internet

Análisis de Datos

DMS

CACIC 2003 - RedUNCI 967

Luego la atención se centra en la confección de la campaña. Es sumamente importante quese encuentre correctamente diseñada, por tal motivo DMS ofrece un Work Flow que permite alusuario del sistema realizar y organizar en forma clara toda la campaña. Los encargados de lacaptura de datos, también ingresarán al sistema y realizarán la campaña que se les ha asignado a suagenda. La herramienta utilizada por los mismos permite que el ingreso de datos se realice en formacorrecta a través del canal de comunicación que ha sido elegido de forma personalizadadependiendo de las preferencias y perfiles del cliente con el cual se interactúa. El mismo recibe elnombre de Contact Center que implica una mayor interactividad con el cliente, no sólo a través delteléfono, sino a través de otros canales, como Internet. La interactividad con el cliente puede ser yainstantánea y en el momento más adecuado. Se puede producir en el mismo momento en que elcliente visita nuestra WEB, facilitándole información o ayuda en ese preciso momento. Tambiénpermite una mayor diversidad de contacto entre el agente y el cliente, y la posibilidad de poderatender no solo a un cliente a la vez sino atender a varios clientes de forma simultánea [10].

Una vez ingresados los datos, es posible efectuar un análisis de la campaña, donde se podránanalizar los datos mediante técnicas de OLAP y Data Mining. También es factible realizar análisisde datos en tiempo real mientras la campaña de es llevada a cabo.

Las operaciones de las campañas, en su totalidad, son realizadas a través de la utilización deDMS, lo que implica una comunicación activa entre los usuarios del sistema y cada una de laspartes del escenario planteado. La información obtenida es vinculada con la información yaexistente en el sistema. La información es accedida por personal autorizado por medio de un perfilespecífico. Las campañas se destinan a clientes específicos.

La Figura 1 muestra la interacción entre las distintas partes del sistema utilizadas para llevara cabo el desarrollo de todas las campañas, las que servirán de realimentación al SDW,enriqueciendo el conocimiento del cliente y posterior análisis de los datos.

Diseño del Sistema

Arquitectura

La arquitectura del sistema es Cliente – Servidor. Dadas las características propias de esteestilo y a las específicas del Contact Center es que se ha escogido la arquitectura cliente-servidor 3-tier, en esta alternativa el servidor del Spatial Data Warehouse maneja toda la informaciónpersistente que es compartida por los usuarios y el nodo cliente administra la presentación yvalidación de la información. La capa intermedia mantiene toda la funcionalidad.

Las funcionalidades propias de un Contact Center exigen trabajar de manera simultánea, yque se pueda agregar nuevos clientes de forma dinámica, lo que mejora la escalabilidad que poseeel sistema.

Se tendrá un conjunto de procesos clientes corriendo en terminales tales como telermarkerts(realizando y recepcionando llamadas), group leader (confeccionando nuevas campañas), gerentes(realizando el análisis de los resultados parciales y totales) o administrador (alta, baja ymodificación de usuarios y grupos). Toda la validación de datos ingresados por el usuario esrealizada en el proceso cliente.

CACIC 2003 - RedUNCI 968

La comunicación entre los diferentes clientes y el servidor (base de conocimiento) se realizaa través de RPCs (Remote Procedure Calls) bajo TCP/IP, aunque se permiten las conexioneslocales. Consiste en introducir una entidad intermedia entre los clientes y los servidores de unsistema distribuido, que es el dispatcher. El dispatcher ofrece a los clientes y a los servidorestransparencia de ubicación por medio de un servicio de nombres y oculta los detalles delestablecimiento de las conexiones.

Diseño del SDW

Un Spatial Data Warehouse está más cerca de la estrategia de la empresa de lo que puedenestarlo generalmente las aplicaciones de carácter transaccional. Mientras que éstas permiten amenudo la automatización de procesos existentes, o descritos formalmente por adelantado. Elobjetivo del Spatial Data Warehouse se expresa en términos de negocio como mantener la fidelidaddel cliente. En el desarrollo se han tenido en cuenta estos aspectos a partir de la elección de unaestructura de almacenamiento multidimensional que caracteriza una base de datos dedicada a ladecisión y esta orientado al tema añadiendo la geografía del dato en la base de análisis.

El modelado dimensional parte del principio de que el objetivo primordial de un sistema dedecisión es el análisis del rendimiento. Este rendimiento puede materializarse a través de unconjunto de indicadores. Así, para un comercial, este rendimiento podrá expresarse en términos decifra de negocio o de margen. Estos indicadores se analizarán a través de dimensiones. El tiempo,dimensión que se encuentra casi en toda aplicación de decisión, permitirá seguir la evolución de unacifra de negocio por año y obtener esta cifra por zona. Otra dimensión de análisis pertinente paraeste indicador visualizada y desplegada a través de mapas y símbolos que representan la geografíacomo superficies, ubicaciones e imágenes a los cuales se les asignan sus respectivos atributos quelos definen y describen.

En este modelo, los indicadores se agrupan en una tabla central, llamada tabla de hechos.Una tabla de hechos agrupa todos los indicadores que comparten el mismo conjunto dedimensiones. El Spatial Data Warehouse no es más que un Data Warehouse con componentegeográfica, no como un dato agregado, sino como una dimensión o variable en la tecnología de lainformación [12].

El diseño de un Spatial Data Warehouse debe estar orientado a optimizar las consultasrelacionadas con los aspectos del negocio que se desean estudiar y sabiendo que la mayoría de losdatos poseen representación y ubicación en el espacio. Tal y como se planteó anteriormente, estoconduce a una estructura snowflake, también denominada copo, que es una derivación del esquemaen estrella. El modelo snowflake es simplemente una estrella cuyas puntas se descomponen a su vezen jerarquías.

A continuación se podrá visualizar el esquema propuesto para el sistema con cada una de susdimensiones y tablas de hechos. Para ver la descripción de cada una de las tablas que conforman elSpatial Data Warehouse.

CACIC 2003 - RedUNCI 969

idDCreditCard = idDCreditCard

idDCampaign =idDCampaign

idFTClient = idFTClientidDCall = idDCall

DDate

idDDateDayMonthYearQuarter

idDDate = idDDate

idFTPatrimonialData =idFTPatrimonialData

idDHousing = idDHousing

DHousingidDHousingTypeHousingPropietaryAgePropietaryMonthPropietary

DCreditCardidDCreditCardNumberCreditCardCreditCard

DCampaignidDCampaignNameCampaignTypeCampaignNameGroup

DInvitationidDInvitationConfirmQuantityidDInvitation =

idDInvitation

FTPatrimonialDataIdFTPatrimonialDataidDBankidDHousingidDCreditCaridDCar

Score_CarScore_CreditCardScore_HousingScore_Account

DCaridDCarMarkModelAge

DBankidDBankNameBankBranchAccountNumberAccount

FTClientIdFTClientidDLocationidDFormationidDPersonalDataidFTPatrimonialData

Count_Client

FTCall

IdFTCallidDCampaignidDCallidDDateidFTClientidDInvitation

Count_Call

DCallidDCallHourHour1CallDateCallDate1Observation

idDCar = idDCar

idDBank = idDBank

DLocationidDLocationidDGMapZoneLocalityStreet

DPersonalDataidDPersonalDataDNISexDateBirthCompanyEconomicLevelCivilState

DFormationidDFormationStudyActualProfessionOcupation

FTSurveyidFTSurvey

idDCampaignidDSurveyidDCallSurveyidFTClientidDDate

Count_CampaignCount_CallCount Answer

idDLocation = idDLocation

idDPersonalData = idDPersonalData

idDFormation = idDFormation

idFTClient = idFTClient

DGMapidDGMapDescriptionLocationMapNeighboord

idDGmap = idDGMap

CACIC 2003 - RedUNCI 970

Representación Interna de los Datos

La representación interna de los datos deriva de la forma en que se guardan los valores. Losmismos son almacenados en columnas, y no en filas. Los valores distintos de cada columna sonalmacenados y, para cada uno de ellos, la lista de filas en las que aparece.

El contenido de cada una de las filas es el conjunto ordenado de sus columnas donde no seguarda el valor propiamente dicho, sino la dirección de dicho valor. Se evita la redundancia devalores al almacenar por única vez por columna. El espacio ocupado depende del número de valoresdistintos y no de la cantidad de datos que se quiere almacenar. La siguiente figura muestra elejemplo de la columna Nivel Socioeconómico

Nivel SocioeconómicoValor Filas

Valor1 Alto F2,F3,F6Valor2 Medio - Alto F1,F5,...Valor3 Medio - Bajo F4......ValorN Bajo F7,F8...

Dicho almacenamiento proporciona una rápida visión de los datos tanto en forma verticalcomo horizontal [11]. La Figura 2 muestra ambas vistas.

CodCliente Apellido Sexo NacionalidadAC101 Fernandez Femenino ArgentinoAC102 García Masculino ArgentinoBC123 Mark Masculino ArgentinoCD234 Longfiel Femenino Ingles……. ……. ……. …….

DFR346 Truk Femenino Ingles

Columna EdadTotal de Valores = 1234; Min = 20;Max = 60;Suma = 123453;Media = 40

Valor Ocurrencias20 12525 23128 102…. ..54 400

Figura 2 – Visión Horizontal y Vertical.

Visión Horizontal

Visión Vertical

CACIC 2003 - RedUNCI 971

Seguridad

Este aspecto involucra los conceptos para gestionar la seguridad y la privacidad de lainformación almacenada en la base de conocimiento, a través del manejo de perfiles de usuarios ygrupos.

Todos los mecanismos de seguridad se diseñaron para definir que personas físicas puedenacceder y cuales serán las posibles acciones a realizar. Para cada una de las personas se crea unusuario en la base de conocimiento.

La base de conocimiento puede contener muchas tablas y un número indeterminado deconsultas almacenadas y procesos de Data Mining, orientados a ciertas tareas de análisis. Un grannúmero de personas pueden acceder a una misma base de conocimiento, cada una de ellas con unpropósito específico, el asignado por la empresa. Cabe destacar que varios usuarios pueden tenerasignadas las mismas tareas, y cuando acceden al sistema necesitan disponer de la mismainformación para realizar su trabajo. Por otra parte, grupos de usuarios pueden realizan tareasdiferentes y requieren distintas informaciones.

Para cumplir dicho objetivo DMS dispone de cuatro tipos de perfiles, cada uno de los cualescontienen una serie de privilegios que permiten a un usuario utilizar la funcionalidad del sistema:

• Usuarios y Grupos: insertar y eliminar usuarios y grupos. Cada usuario con un perfildeterminado.

• Análisis de Datos: realizar el análisis de los datos almacenados a través de la herramientaOLAP, clasificación (presentación de datos), técnicas de Data Mining.

• Consultas: realizar la ejecución de búsquedas y la generación de listados según el criterio deselección (segmentación).

• Alimentación del Data Warehouse: cargar nuevo datos en nuestra base de conocimiento,actualizarlos o importarlos de bases de datos externas.

• Campañas: creación y asignación de nuevas campañas para un cierto propósito en base asegmentos y conocimientos ya generados.

• Llamadas: realizar las llamadas pertinentes a cada uno de los integrantes del listado asignado aloperador para una determinada campaña, como así también la recepción a través de diversoscanales de comunicación.

Dentro de cada uno de los cuatro perfiles, se dispone de los siguientes privilegios:

• Administrador: consta de todos los privilegios antes mencionados.• Manager: consta de todos los privilegios antes mencionados, excepto usuarios y grupos.• Group Leader: consta de todos los privilegios del manager, excepto el análisis de datos.• Telemarketer: solamente recibe el o los listados asignados para realizar las llamadas

correspondientes.

Sólo los administradores del sistema tienen el permiso para asignar el conjunto completo deprivilegios. Los restantes sólo podrán, como máximo, utilizar el conjunto de privilegios que lehayan sido asignados. Es decir que un usuario con perfil de manager podrá utilizar el privilegio de,por ejemplo, gestionar varios tipos de campañas para que los telemarketers realicen las llamadaspertinentes.

CACIC 2003 - RedUNCI 972

Es posible definir al conjunto de perfiles como una jerarquía, en la cuál el primer nivelcontiene los administradores del sistema que gozan de todos los privilegios. El segundo nivelcontiene al grupo de manager, los que poseen una visión general, ya que pueden supervisar a losdemás usuarios que se encuentran por debajo de él a través del análisis simultáneo de las tareasrealizadas. El tercer nivel contiene los group leaders, estos se encuentran más cerca de cada uno delos grupos de usuarios y del área a la cuál pertenecen. En el último nivel, se encuentran lostelemarketers para la realización de las llamadas a las personas asignadas por los usuarios de losniveles superiores.

La relación de pertenencia de un usuario a un grupo se establece en los siguientes términos:Un usuario puede pertenecer a varios grupos al mismo tiempo. Tanto los usuarios como los grupospueden pertenecer al mismo grupo, es decir que podemos tener grupos contenidos dentro de otro.

OLAP y Data Mining

Para efectuar la construcción de un cubo se seleccionan las dimensiones de la tabla oconsulta elegida, las que corresponden a variables cualitativas que pueden o no ser numéricas, y seescogen las medidas que corresponden a variables cuantitativas a las que se le realizan lasagregaciones. Esto siempre a través de una misma interface (Figura 3) y visualizando en todomomento la fluctuación de los resultados obtenidos a través de gráficos (2D y 3D) y mapasgeoreferenciales para tener una visión espacial del conocimiento.

Dentro de las técnicas de Data Mining se ha especificado y concentrado en el Market BacketAnálisis y el clustering como dos de las técnicas más adecuadas para evaluar el comportamiento delos clientes y lograr un mayor conocimiento.

El objetivo de las reglas de asociación (MBA) es descubrir relaciones o dependenciassignificativas entre dos o más columnas. Esta técnica realiza una tarea descriptiva no supervisada,es decir, que el resultado de su aplicación ofrece al usuario del sistema una descripción delcomportamiento de los datos sobre los que hemos realizado el análisis y observar entre ellos claroscomportamientos de compras y utilización de servicios.

El clustering es otra técnica de Data Mining que divide los datos en grupos con elementos ocaracterísticas similares. Es una técnica descriptiva y no supervisada, en la que no hay queespecificar ninguna etiqueta. Sus modelos siempre se construyen y evalúan sobre todo el conjuntode datos, sin necesidad de definir conjuntos de entrenamiento o de test y sin que la intervención decolumnas de tipos heterogéneos afecte al proceso.

El resultado de la aplicación de esta técnica es la formación de segmentos (cluster) mediantela agrupación de filas con valores similares para la mayor cantidad posible de atributos; se intentamaximizar la similitud global dentro de cada cluster para efectivizar las campañas dentro de estosgrupos de afinidad.

La implementación de ambas técnicas se realizará a través de un Scheduler de tareas quemuestra el estado de cada uno de los análisis que han sido enviados a DMS de cada una de lasterminales y permite algunas acciones para trabajar con ellos. Entre ellas están la visualización delestado de cada uno de los procesos de análisis de forma continua, el cual pueden ser pendiente, enejecución, abortada o finalizada y del tiempo transcurrido del proceso de análisis. Para el caso de

CACIC 2003 - RedUNCI 973

MBA mostraría el nivel que está analizando y las reglas que ha encontrado hasta el momento, y enel caso de Cluster, el número de clusters generados hasta el momento.

Dentro de las acciones posibles, se tendría que eliminar del Scheduler la tarea seleccionada,interrumpir la tarea seleccionada conservando los resultados conseguidos hasta el momento, y porúltimo mostrar los resultados de la tarea seleccionada.

La realización de cada una de las tareas descriptas, están íntimamente ligadas con el perfildel usuario. Dependiendo del perfil, son las tareas que puede realizar y la información a la quepuede acceder. De esta manera se mantiene una visión global de cada uno de los análisis y secoordina la búsqueda del conocimiento generando pautas a partir de la funcionalidad especificada.

Figura 3 - Interface

Una vez realizado cada uno de los tipos de análisis especificados éste es posible almacenarlocon el objetivo de poder restaurar el estado del análisis de los datos asociado al momento al que fueguardado, evitando repetir los pasos en la definición del cubo y compartiendo el proyecto con elresto de los usuarios existentes ya que el mismo es almacenado en la base de conocimiento que seencuentra en el servidor.

Conclusiones

La motivación y el desarrollo se centraron en la idea principal de realizar un sistema quetuviera dos objetivos principales:

• Equipar al Contact Center de una herramienta capaz de realizar cada una de las etapas deldesarrollo de campañas y centralizar la misma en la toma de decisiones.

CACIC 2003 - RedUNCI 974

• Lograr un conocimiento exhaustivo del cliente para obtener y mejorar la relación cliente -empresa.

Para cumplir el primer objetivo se realizó una investigación del dominio de la aplicación y sedeterminó la existencia de herramientas para el desarrollo de campañas. Se observó la falta deintegración entre la realización de las campañas y el análisis de datos, ubicándose los mismos enherramientas disociadas, incapaces de interactuar entre sí.

Objetivos logrados:

• Obtener una aplicación capaz de combinar estos aspectos, es decir, realizar las tareas decreación y desarrollo de campañas como así también llevar a cabo el análisis de los datos entiempo real o después de realizada la campaña.

• Conocer en profundidad el perfil de los clientes de la empresa, a través de los datos y lasrelaciones existentes entre los mismos. Cada campaña realizada adiciona datos del perfil delusuario lo que permite, mediante el análisis, obtener relaciones y características del perfil de losusuarios que consumen los productos ofrecidos por la empresa.

• Combinar ambos objetivos, introduciendo un nuevo concepto dentro de las herramientas detoma de decisiones, obteniendo una herramienta de gran poder para el Contact Center: lograrcon un mismo sistema un acercamiento tanto horizontal como vertical de la informaciónalmacenada. Es posible examinar con detalle un cliente particular de la empresa (visiónhorizontal), como así también obtener estadísticos y relaciones precisas entre variables ocaracterísticas de productos y clientes (visión vertical).

• Una de las mejoras que se introdujeron al sistema sobre otras aplicaciones conocidas, se observasobre la interfaz realizada, ya que la misma mantiene su estilo para todos los perfiles de usuariosdel sistema. Esto permite que el personal de la empresa al ascender en la cadena de mandospueda seguir utilizando la herramienta sin dificultad alguna.

• El sistema en su opción de análisis de datos posee una interfaz muy amigable, lo que permitedentro de la misma pantalla obtener un análisis OLAP, gráficos de la selección del plano deOLAP, estadísticos de las dimensiones seleccionadas, categorización de una variabledeterminada y la generación automática de reportes los que incluyen OLAP, gráficos, mapas ylistados. Otra ventaja del sistema es que por medio de la utilización de DMS los usuariosencargados de realizar el análisis de datos se evitan el trabajo de exportar información de unsistema a otro.

• Es posible hallar información oculta de los datos en solo segundos, lo que permite cambiar odesviar el curso de una campaña en un tiempo extremadamente corto. Esto reditúa a la empresatanto en costos como en tiempo suministrado para la realización de una campaña.

CACIC 2003 - RedUNCI 975

Bibliografía

[1] Data Mining. Ian H. Witten. Eibe Frank. Ed. M. Kaufman 2000.[2] Data Warehousing Architectures & Implementation. Mark Humpries. Michael W. Hawkins. Ed.Prentice Hall 1999.[3] Data Warehousing in the Real World. Sam Anahory. Dennis Murray. Ed. Addison Wesley 1997.[4] El Data Warehouse, El Data Mining. Jean Michel Franco. EDS Institut Prométhéus. Ed. F.Devolt 1998.[5] Tratamiento Informático de Encuestas. Feliz Aparicio Perez. Ed. Ra-Ma 1991.[6] The Data Warehouse and Data Mining. John Wiley & Sons. Ed. W.H. Inmon 1997.[7] Indra. Alliances & Partners Manager. Gonzalo Perlado. 2000. www.allianceeconomic.com[8] Unidad de CRM. Sales Logic. Gustavo Franco 2002. www.mind.com.co[9] CRM. Pontificia Universidad Católica de Chile, Escuela de Ingeniería Depto. de Ing. Industrialy de Sistemas. Yerko Halat 2001.[10] Seminario & Conferencia Call/Contact Center. Liliana García. Ecuador 2001.[11] Synera Concepts 4.0. Synera Group.[12] Aproximación Metodológica de un Spatial Data Warehouse. Juan Eulises Bohorquez. OracleDBA

CACIC 2003 - RedUNCI 976